网络流量模型是对网络流量特性的刻画,一个好的模型不仅能够准确地反映出历史流量的特性,而且还能有效预测将来一段时间内的网络特征。目前随着Internet的飞速发展,网络规模日趋复杂,矛盾也日益突出,这给网络规划、管理带来了巨大的挑战。因此,进行网络流量分析进而建立有效的网络流量模型是当前网络研究的热点之一。　　 本文基于自回归及ANFIS技术对网络流量特征进行了系统研究,建立了能够较为真实反映网络流量特征的行为模型,并在此基础上实现了对网络流量的预测分析。这对于网络设计与规划、流量控制、确保服务质量和评价网络性能等都有非常重要的意义。　　 本文首先介绍了网络行为和网络流量的基础理论,综述了网络流量的研究现状,进而分析了网络流量的相关特性和已有的流量预测模型。之后以网络流量的分析预测为重点研究内容,在引入时间序列预测理论和人工神经网络理论的基础上,分别利用ARMA模型与ANFIS模型两种方法建立预测模型。其中,针对海量网络数据的特性、分析网络流量的特征,运用方差分析技术,将时间序列平稳化,由此构建ARMA模型,进行平稳线性最小均方误差预测。利用ANFIS能以任意精度逼近任何非线性的功能,且收敛速度快、误差小、所需训练样本少的优势,将ANFIS理论应用于网络流量预测中。ANFIS模型的预测精度较高,而且在MATLAB中的实现非常简单,这为以后的相关工作提供了一种有效的建模预测方法。　　 论文最后使用实际网络流量数据验证了两种方法的有效性和精确性。预测数据与实际测量数据的对比分析表明,这些模型预测精度高、误差小,能有效预测短期内网络流量的变化,为网络规划、网络管理做出了积极有益的探索。